简介：

简介：摘要本文基于经典的残差网络结构，提出一种改进后的残差模块。该结构可以在不增加网络深度的前提下，提取更多的样本特征，从而提升网络性能。以MNIST手写字体库为训练集，使用tensorflow做为机器学习库，在GPU上训练模型。实验结果表明，改进后的残差模块可以更好的提出网络特征，从而提高预测的准确度。

简介：

简介：载波相位观测值中的周跳进行探测和修复一直是GPS精密定位数据处理中的一个十分重要的问题。主要讨论基于双频探测的电离层残差法,编制了相应程序,并通过实例分析了在不同采样率条件下探测与修复周跳效果,针对其探测盲区提出了解决方案。

简介：为了提高行人检测的准确性,提出一种改进的方向梯度直方图(HOG)算法,首先对图像进行两种方式的HOG特征向量的提取,方形划分和圆形划分方式,并对圆形划分得到的梯度直方图进行权值优化调整,再结合残差网络(ResNet)提取的深度模型特征,最佳特征向量用主成分分析算法(PCA)降维,通过SVM算法对行人进行检测。通过对HOG与ResNet特征融合算法进行仿真,并与其他行人检测算法对比,在提升准确率与降低漏检率上取得了很好效果。

简介：摘要目的研究和搭建人工智能深度学习网络，在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型，实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合，对提出的模型进行训练和性能评估，优化网络超参数，提高分类准确率。结果在352张MRI图像上测试模型，仅使用多尺度输入模块时，得到平均分类准确率为96.59%。添加下采样模块后，准确率达到98.58%。对比最大池化、均值池化和双通道池化，准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果，对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法，但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法，且该网络提高了MRI脑肿瘤分类的准确率，很好地解决了梯度消失问题，提升了模型的泛化能力。

简介：通过对国内外关于股价异动相关文献的梳理，发现以往研究成果中对股价异动的判定方法较为繁琐。残差系数法是“事件研究法”和“股价反应程度分析法”的创新结合，它主要应用于判断重大并购事件首次公告之前股价异常波动。实际应用表明，残差系数法简捷、实用。

简介：为了提高GM(1,1)模型的预测精度,对GM(1,1)模型进行预测,得到残差序列,然后用残差序列建模对原模型进行修正,得到GM(1,1)的残差修正模型,将其应用到扬压力的预测中,结果表明模型精度大大提高.

简介：本文用样条函数对灰色Verhulst模型的残差序列进行插值拟合，然后作用于二阶线性微分方程，并以此修正原模型，得到一种新的预测模型的数值解，提高了拟合的精确度。

简介：摘要：本系统开发完成日期：2023年01月25日，首次发表日期：2023年01月28日

简介：摘要：齿轮箱是旋转机械的关键部件，而旋转机械的机械故障约３０％是由齿轮箱发生故障引起的。而对机械设备进行定期的故障诊断之后，可以将事故的发生率减少75%，维修的费用也可以降低２５％～５０％。伴随着深度学习的快速发展，科研人员逐渐将浅层的机器学习方法应用到旋转机械的故障诊断之中，常见的有支持向量机、深度置信网络、循环神经网络和卷积神经网络等故障分类方法或模型。残差网络（Residual Neural Network,ResNet）作为卷积神经网络的一种优异模型，在图像识别领域等二维信息之间应用广泛，本文对其进行改进使其具有良好的抗噪能力，以剔除具体工业环境下噪声的干扰，以利于机械故障诊断。基于此，对改进残差网络的齿轮箱故障诊断进行研究，仅供参考。

简介：摘要：由于传统方法在实际应用中误识率较高，电力告警信号识别效果不佳，提出基于深层残差网络的电力告警信号识别方法。利用无线传感器获取电力信号，对其归一化处理，并利用深层残差网络对电力信号卷积计算，确定电力残差，将其作为依据识别告警信号。经实验证明，设计方法误识率较低，具有良好的电力告警信号识别效果。

简介：摘要：由于传统方法在实际应用中误识率较高，电力告警信号识别效果不佳，提出基于深层残差网络的电力告警信号识别方法。利用无线传感器获取电力信号，对其归一化处理，并利用深层残差网络对电力信号卷积计算，确定电力残差，将其作为依据识别告警信号。经实验证明，设计方法误识率较低，具有良好的电力告警信号识别效果。

简介：本文用样条函数对GM(1，1)模型的残差序列进行插值拟合，然后作用于二阶线性微分方程，并以此修正原模型，得到一种新的预测模型的数值解．

简介：摘要：飞机装配过程中应用到的机器人具有高柔性，投入的建设成本也相对较低，能够精确地完成补偿使机器人的定位更加准确，并且极大地提升产品的质量。因此，为了能够促进机器人末端定位精确不断地提升，在误差相似度的影响下开展残差的补偿方法的分析，通过参数标定对机器人产生的参数误差进行辨识，利用误差相似度对残余误差实施评估，这样就能够保障机器人有效的补偿误差和残差。

简介：摘要：随着科技发展的推动，工业机器人的应用越发广泛，现已成为飞机自动钻铆系统的重要组成部分。通过精度补偿可以减少机器人定位误差，提高飞机装配质量。基于此，文章面向飞机装配，提出了机器人定位误差与残差补偿方法，旨在提高机器人的定位精度。

简介：摘 要：工业机器人以其高灵活性、低成本优势，在航空自动化制铆机中得到广泛的应用，采用精度补偿的方式提升其绝对位置精度，是保障零件品质的重要手段。采用运动学参数校准的方式，识别出机械臂的几何参量误差；根据误差相似性原理，对剩余误差进行估算，从而达到对机械臂的定位精度与精度要求，使机器人的定位精度更加准确。

简介：

简介：摘要：由于新疆地区大范围使用地膜覆盖方式进行棉花栽培，地膜棉花栽培面积逐年增加，致使棉田残膜残秆现象日益严重。以往采集棉田残膜残秆的过程中，均采用人工的方法拾取，或用犁铲和铁叉采集，既费时又费力，极大地影响了农户的积极性。如今，由于国家用于农机补贴的经费越来越多，随着新农机具的采购逐渐增多，对棉花残膜残秆的回收利用也有很大的促进作用，新疆棉花地的生态环境有了明显的改善。因此，本文从实际出发，分析了棉花残膜残秆对棉花生产的危害，探讨了其回收技术，以期为广大棉农提供参考。

简介：摘要：火控系统是现代战争中不可或缺的一部分，而目标检测是其核心任务之一。近年来，深度学习技术在目标检测领域取得了显著的成果，其中残差网络（ResNet）由于其优越的性能受到了广泛关注。本文研究了残差网络在火控系统目标检测中的高效实现与性能评估，为提高火控系统的目标检测精度和效率提供了新的思路和方法。